东南大学-交通基础设施检测技术课件--第1章---检测技术基础知识.ppt

第1章 检测技术基础知识 测量精度（高、低）从概念上与测量误差（小、大）相对应，目前误差理论已发展成为一门专门学科，涉及内容很多，许多高校的相关专业专门开设《误差理论与数据处理》课程。为适应不同的读者需要和便于后面各章的介绍，下面对测量误差的一些术语、概念、常用误差处理方法和检测系统的一般静态、动态特性及主要性能指标作一扼要的介绍。 1.1 检测系统误差分析基础 1.1.1 误差的基本概念 1.1.2 误差的表示方法 1.1.3 检测仪器的精度等级与容许误差 1.1.4 测量误差的分类 2.真值： 一个量严格定义的理论值通常叫理论真值. (1)约定真值 (2)相对真值 1.1.2 误差的表示方法 1.1.3 检测仪器的精度等级与容许误差 1.1.4 测量误差的分类 1.2 系统误差处理 1.2.2 系统误差的判别和确定 1．3 随机系统误差处理 1.5.3 测量结果的表示和处理方法 １.6　检测系统的静态特性  1.6.1 概述 1.6.2 检测系统静态特性方程与特性曲线 1.6.3 检测系统静态特性的主要参数 1.7 检测系统的动态特性 为表达和计算方便，对（1-24）式作积分变换，令 则有 而从 的积分限 相应得到 的积分限为 ，将上述关系代入（1-24）式得 （1-25） 式中 称为拉普拉斯函数，具体计算比较复杂。在实际工程应用中，可查前人已做好的拉普拉斯函数专用表格。 这里（1-25）式表示的置信区间是以测量数据标准差 作基本单位的数值区间，置信概率 与 其物理意义完全一样。 [例1.2] 对某电池作无系统误差的等精度测量，已知测得的一系列测量数据 服从正态分布，且标准差 V，试求被测电池电压的真值 落在区间 的概率是多少。 [解] 已知 V， V 所以 可得到 综上所述，对于正态分布，某次测量值 与真值 （或数学期望 ）偏差（测量误差）： 　　　的可能性为68.3%，而测量误差　　　可能性为31.7%；测量误差　　　　的可能性为95.4%时，而测量误差　　　　的可能性为4.6%；测量误差　　　　 的可能性则已高达99.7%，而测量误差　　　　的可能性仅为0.3%。亦即每1000次测量中只有3次测量误差的绝对值大于　　。而等精度测量次数一般很少超过几十次，所以通常可以认为测量随机误差绝对值大于　　的误差几乎是不可能出现。因此，对于正态分布的测量数据一般可以用误差限　　来判别某次测量值的误差是否“正常”。 　工程上，通常把测量误差绝对值大于　　的测量值作为坏值，而予以剔除（此剔除原则称为拉伊达准则）；也就是说把测量误差　　　　作为粗大误差而予以剔除。 　当等精度测量次数n大于30次时，其测量误差趋近于正态分布；因而可以用以上方法来估计测量误差的大小和相应的置信概率。但工程上，为保证等精度测量条件和提高测量效率，一般测量次数仅为几次到一二十次，此时因测量样本小，其误差已不符合正态分布，而成为“t分布”。 t分布的概率密度函数　　为： （1-26） 式中　　　　　　　　　　　　，这里　　为测量读数的平均值，　　是真值，　是　的估计值 　　　　　——自由度； 　n　——测量次数； 　　　　　　——伽马函数。 5.小样本测量结果的分布与置信度 由确定的x值，可通过查《数学手册》伽马函数表获得　　值。对有限次等精度小样本测量数据服从t分布时，可给定区间　　　　　　　　的概率积分为 （1-27） t分布的概率密度曲线如图1—7所示。 图1-7 t分布概率密度曲线图 　　 定性分析：就是对测量环境、测量条件、测量设备、测量步骤进行分析，看是否有某种外部条件或测量设备本身存在突变而瞬时破坏等精度测量条件的可能，测量操作是否有差错或等精度测量过程中是否存在其它可能引发粗大误差的因素；也可由同一操作者或另换有经验操作者再次重复进行前面的（等精度）测量，然后再将两组测量数据进行分析比较，或再与由不同测量仪器在同等条件下获得的结果进行对比；以分析该异常数据出现是否“异常”，进而判定该数据是否为粗大误差。 1.4 粗大误差处理 　　定量判断： 就是以统计学原理和误差理论相关专业知识为依据，对测量数据中的异常值的“异常程度”进行定量计算，以确定该异常值是否为应剔除的坏值。这里所谓的定量计算是相对上面的定